Abstrak
Setiap perusahaan maupun organisasi yang ingin tetap bertahan perlu untuk menentukan
strategi promosi yang tepat. Penentuan strategi promosi yang tepat akan dapat mengurangi
biaya promosi dan mencapai sasaran promosi yang tepat. Salah satu cara yang dapat
dilakukan untuk penentuan strategi promosi adalah dengan menggunakan teknik data mining.
Teknik data mining yang digunakan dalam hal ini adalah dengan menggunakan algoritma
Clustering K-Means. Clustering merupakan pengelompokkan record, observasi, atau kasus ke
dalam kelas-kelas objek yang mirip. K-Means adalah metode klaster data non-hirarkis yang
mencoba untuk membagi data ke dalam satu atau lebih klaster. Penelitian dilakukan dengan
mengamati beberapa variabel penelitian yang sering dipertimbangkan oleh perguruan tinggi
dalam menentukan sasaran promosinya yaitu asal sekolah, daerah, dan jurusan. Hasil
penelitian ini adalah berupa pola menarik hasil data mining yang merupakan informasi penting
untuk mendukung strategi promosi yang tepat dalam mendapatkan calon mahasiswa baru.
Abstract
Each company or organization that wants to survive needs to determine appropriate
promotional strategies. Determination of appropriate promotional strategies will be able to
reduce costs and achieve the goals the promotion of proper promotion. One way that can be
done to determine campaign strategy is to use data mining techniques. Data mining techniques
used in this case is to use a K-Means clustering algorithm. Clustering is the grouping of
records, observation, or in the case of the object classes that are similar. K-Means is a method
of non-hierarchical clustering of data that is trying to divide the data into one or more clusters.
The study was conducted by observing some of the variables that are often considered by the
college in determining the target of promotion that the school of origin, region, and department.
Results of this study are interesting pattern of results in the form of data mining that is
important information to support appropriate promotional strategies in getting new students.
1. Pendahuluan
Universitas Lancang Kuning merupakan salah satu Universitas swasta tertua di
Pekanbaru. Mahasiswa Universitas Lancang Kuning sangat banyak yang berasal dari berbagai
daerah di Riau. Tidak hanya berasal dari Pekanbaru, mahasiswa Universitas Lancang Kuning
pun banyak yang berasal dari luar Pekanbaru, seperti Dumai, Duri, Bangkinang, Siak, Sumatera
Barat, Jambi dan lainnya. Seiring berjalannya waktu, maka mulai banyak bermunculan
Universitas swasta dan Sekolah-sekolah Tinggi. Tentu saja untuk menghadapi persaingan ini
2. Metode Penelitian
Metodologi penelitian merupakan langkah-langkah kerja yang perlu dilakukan agar
penenelitian ini menjadi lebih mudah. Penelitian merupakan rangkaian kegiatan ilmiah.Sebagai
langkah awal maka perlu adanya studi literatur untuk menentukan metode data mining untuk
Title of manuscript is short and clear, implies research results (First Author)
26 nJurnal Teknologi Informasi & Komunikasi Digital Zone, Volume 6, Nomor 2, November 2015: 24-32 n ISSN: 1978-1
pengolahan data dan penentuan alternatif solusi. Selanjutnya identifikasi masalah berkenaan
dengan masalah yang di bahas, kemudian dilakukan pengumpulan data berkaitan dengan
permasalahan yang akan diteliti, selanjutnya dilakukan pengumpulan data untuk menentukan
parameter-parameter yang akan dijadikan landasan untuk melakukan penelitian ini. Secara
umum prosesproses yang dilakukan dalam pelaksanaan penelitian ini sebagai berikut (gambar
1):
1. Studi literatur yang dilakukan untuk mendapatkan teori-teori tentang permasalahan yang
telah dirumuskan. Teori-teori ini berfungsi sebagai panduan untuk mendapatkan solusi.
2. Mengumpulkan data-data yang diperlukan untuk penelitian ini. Data didapat dari bagian
akademik yang berupa data mahasiswa angkatan 2010 dari 18 program studi yang telah
dinyatakan lulus dari Universitas Lancang Kuning. Data-data ini berisi data diri dari
mahasiswa.
3. Data-data yang telah didapatkan kemudian dilanjutkan ke pra proses data mining. Tahap
pertama adalah data cleaning. Pada tahap ini data-data yang memiliki atribut yang tidak
lengkap atau kosong akan dihapus. Selanjutnya tahap data integration dimana data yang
berjenis data nominal diinisialisasikan ke dalam bentuk angka dapat diolah dengan
menggunakan algoritma K-means Clustering. Tahap ini sejalan dengan proses task
relevan data. Proses ini adalah seleksi atribut-atribut data yang dianggap relevan dengan
rumusan masalah. Dalam penelitian ini hanya beberapa atribut data saja yang digunakan,
seperti nama mahasiswa, nomor induk mahasiswa, program studi, sekolah asal, alamat,
dan indeks prestasi kumulatif.
4. Semua data yang telah didapatkan tadi kemudian diolah dengan proses data mining.
Pengolahan data ini menggunakan algoritma K-Means Clustering. Hasil proses ini adalah
data yang dikelompokkan berdasar kemiripan karakteristik dari setiap data, sehingga
dapatditemukan pola atau informasi yang tersembunyi dari data-data tersebut.
5. Berdasarkan hasil tersebut, dilakukan knowledge presentation. Knowledge presentation
yaitu menyajikan pola atau informasi yang ditemukan yang sesuai fakta atau hipotesa
yang ada sebelumnya. Pola ini nantinya adalah pola yang berguna sebagai output
penelitian ini. Output tersebut akan menjawab masalah yang telah dirumuskan di awal
karena pada proses ini dilakukan formulasi keputusan atau aksi dari hasil yang didapat.
Mulai
Studi Literatur
Pengumpulan Data
Pra Proses
Data Mining
Presentasi Pengetahuan
Selesai
Karena data yang terlalu acak akan membuat proses mining memakan waktu lama dan
tingkat hubungannya pun rendah. Atribut yang digunakan adalah pada tabel 2 yang terdiri dari :
Title of manuscript is short and clear, implies research results (First Author)
28 nJurnal Teknologi Informasi & Komunikasi Digital Zone, Volume 6, Nomor 2, November 2015: 24-32 n ISSN: 1978-1
Tahap selanjutnya adalah integrasi data. Integrasi data merupakan proses pengubahan
atau penggabungan data ke dalam format yang sesuai untuk diproses dalam data mining.
Seringkali data yang akan digunakan dalam proses data mining mempunyai format yang belum
langsung bisa digunakan. Oleh karena itu, formatnya perlu dirubah. Dalam penelitian ini data
yang berjenis data nominal diinisialisasikan ke dalam bentuk angka agar dapat diolah dengan
menggunakan algoritma K-means Clustering. Tahap ini sejalan dengan proses task relevan data.
Data-data yang perlu diinisialisasi adalah data sekolah asal dan nama daerah. Pada data
Sekolah asal, proses inisialisasi dimulai dengan mengelompokkan sekolah-sekolah tersebut ke
jenis sekolahnya. Hasilnya menjadi 10 jenis sekolah pada tabel 3.
Berikut ini adalah data-data yang telah diinisialisasi ke dalam bentuk angka pada tabel 4
dan tabel 5. Tabel 6 adalah hasil akhir dari tahapan preprocessing data.
Jambi 8
Jawa 9
Kab. Kampar 10
Kepri 11
kuansing 12
Minas 13
Palembang 14
Pekanbaru 15
Pelalawan 16
rohil 17
Rohul 18
Selat Panjang 19
Siak 20
Sumbar 21
Sumut 22
Tembilahan 23
Keterangan :
Xi = Asal sekolah
Yi = Nama daerah
Zi = IPK terakhir
Title of manuscript is short and clear, implies research results (First Author)
30 nJurnal Teknologi Informasi & Komunikasi Digital Zone, Volume 6, Nomor 2, November 2015: 24-32 n ISSN: 1978-1
e. Tugaskan lagi setiap objek memakai pusat cluster yang baru. Jika rasio tidak
berubah lagi maka proses clustering selesai. Pada penelitian ini proses berhenti
pada iterasi ke-2.
4. Kesimpulan
Setelah dilakukan pengelompokan data mahasiswa melalui persebaran wilayah
berdasarkan potensi akademik menggunakan K-Means clustering terbentuk empat cluster.
Strategi promosi bagi calon mahasiswa baru yang tepat sasaran untuk setiap wilayah
Title of manuscript is short and clear, implies research results (First Author)
32 nJurnal Teknologi Informasi & Komunikasi Digital Zone, Volume 6, Nomor 2, November 2015: 24-32 n ISSN: 1978-1
berdasarkan cluster yang terbentuk adalah dengan mengirim tim promosi berdasarkan potensi
akademik mahasiswa dengan melihat rata-rata IPK pada setiap cluster.
Dari hasil pengolahan data tersebut ada beberapa saran atau usul kepada bagian promosi
Universitas Lancang Kuning dalam rangka meningkatkan kualitas mutu lulusan, yaitu:
1. Tim promosi yang dikirim sebaiknya memiliki pengetahuan dan potensi lebih dari
satu jurusan untuk melakukan promosi pada kota yang memiliki minat lebih besar
berdasarkan hasil klaster yang didapat agar yang dilakukan lebih efektif dan efisien.
Pihak promosi dapat membagi tim-tim marketing untuk melakukan promosi di kota-
kota tersebut sehingga sumber daya yang dibutuhkan disetiap kota tidak terlalu
banyak.
2. Apabila pihak promosi Unilak ingin mendapatkan calon mahasiswa yang memiliki
tingkat akademik di atas rata-rata, maka dapat dianalisa berdasarkan hasil rata-rata
nilai IPK dari setiap mahasiswa yang telah lulus berdasarkan hasil klaster di
penelitian ini.
Apabila Unilak memiliki rencana promosi hingga ke provinsi tetangga, hal ini juga akan
berpeluang menjaring mahasiswa baru yang banyak dan mampu lulus dengan IPK tinggi. Hal
ini terlihat pada hasil klaster di penelitian ini, dimana peminat Unilak yang berprestasi juga
banyak di provinsi tetangga.
Daftar Pustaka
[1] Nurdin, Dewi Astika. Penerapan Data Mining untuk Menganalisa Penjualan Barang
dengan Menggunakan Metode Apriori pada Supermarket Sejahtera Lhokseumawe. Techsi.
2015; vol 6(no 1): 133-155.
[2] Johan Oscar Ong. Implementasi Algoritma K-Means Clustering untuk Menentukan
Strategi Marketing President University. Jurnal Ilmiah Teknik Industri. 2013; vol 12(no
1): 10-20.
[3] A. Juarna, et al . Analysis And Implementation Of Algorithm Clustering Affinity
Propagation and K-Means At Data Student Based On GPA and Duration Of Bachelor-
Thesis Completion. JATIT &
LLS. 2012; vol.35 (no.1): 69-76.
[4] Arlinda, Zefry and Arie, Vatresia and Boko, Susilo. Implementasi Algoritma K-Means
untuk Mengetahui Sebaran Mahasiswa Sebagai Informasi Penunjang Promosi Universitas
(Studi Kasus : Mahasiswa Fakultas Keguruan dan Ilmu Pendidikan Universitas Bengkulu).
Tesis. Fakultas Keguruan dan Ilmu Pendidikan Universitas Bengkulu. 2013.
[5] Rima, Ramadhani Dias. Data Mining Menggunakan Algoritma K-Means Clustering untuk
Menentukan Strategi Universitas Dian Nuswantoro. Skripsi. Fakultas Ilmu Komputer
Universitas Dian Nuswantoro. 2014.